Customer Journey Analytics BI-tillägg

NOTE
Du måste ha paketet Select eller senare för att kunna använda de funktioner som beskrivs i det här avsnittet. Kontakta administratören om du är osäker på vilket Customer Journey Analytics-paket du har.

Customer Journey Analytics BI extension aktiverar SQL-åtkomst till de datavyer som du har definierat i Customer Journey Analytics. Dina datatekniker och analytiker kanske känner bättre till Power BI, Tableu eller andra verktyg för affärsintelligens och visualisering (kallas även BI-verktyg). De kan nu skapa rapporter och kontrollpaneler baserat på samma datavyer som Customer Journey Analytics-användare använder när de skapar sina Analysis Workspace-projekt.

Adobe Experience Platform frågetjänst är SQL-gränssnittet till data som är tillgängliga i datasjön i Experience Platform. När Customer Journey Analytics BI extension är aktiverat utökas funktionaliteten för Query Service så att du kan se dina datavyer i Customer Journey Analytics som tabeller eller vyer i en Query Service -session. Det innebär att de verktyg för affärsintelligens som använder Query Service som PostgresSQL-gränssnitt sömlöst drar nytta av den här utökade funktionen.

De viktigaste fördelarna är:

  • Du behöver inte återskapa en motsvarande representation av datavyer från Customer Journey Analytics i BI-verktyget.
    Se Datavyer för mer information om funktionaliteten hos datavyer för att förstå vad som måste återskapas.
  • Större konsekvens i rapportering och analys mellan BI-verktyg och Customer Journey Analytics.
  • Kombinera data från Customer Journey Analytics med andra datakällor som redan finns i BI-verktyg.

Förutsättningar

Om du vill använda den här funktionen måste du ha:

  • Tillgång till Experience Platform och Customer Journey Analytics.
  • Beviljad produktadministratörsåtkomst till Customer Journey Analytics så att du kan visa, redigera, uppdatera eller ta bort anslutningar och datavyer.
  • Beviljad åtkomst till de datavyer som du vill komma åt.
  • Beviljade åtkomst till CJA BI-tillägget.
  • Använd förfallodatum för autentiseringsuppgifter som inte förfaller för att ansluta BI-verktyg till Customer Journey Analytics BI extension. Guiden Autentiseringsuppgifter innehåller mer information om hur du anger förfallodatum för autentiseringsuppgifter eller ej förfallande autentiseringsuppgifter.

Mer information finns i Åtkomstkontroll för kundresa, särskilt Tilläggsbehörigheter för produktadministratör och Customer Journey Analytics i Admin Console.

Användning

Om du vill använda funktionen Customer Journey Analytics BI extension kan du antingen använda SQL direkt eller använda dra och släpp-funktionen som är tillgänglig i det specifika BI-verktyget.

SQL

Du kan använda funktionerna direkt i SQL-satser med antingen Frågeredigeraren eller en vanlig PostgresSQL-klient (CLI).

Frågeredigerare

I Adobe Experience Platform:

  1. Välj **** Frågor **** från ​ DATAHANTERING ​ i den vänstra listen.

  2. Välj Skapa fråga ​ Skapa fråga ​.

  3. Välj cja ​ Databas ​.

  4. Om du vill köra frågan skriver du SQL-satsen och väljer knappen Spela upp (eller trycker på [SHIFT] + [ENTER]).

PostgresSQL CLI
  1. Söka efter och kopiera dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja ​ Databas ​.

    4. Om du vill kopiera kommandosträngen använder du Kopiera i avsnittet ​ PSQL-kommando ​.

  2. Öppna ett kommando eller ett terminalfönster.

  3. Om du vill logga in och börja köra dina frågor klistrar du in kommandosträngen i terminalen.

Mer information finns i Användargränssnittsguiden för frågeredigeraren.

BI-verktyg

För närvarande stöds och testas Customer Journey Analytics BI extension endast för Power BI och Tableau. Andra BI-verktyg som använder PSQL-gränssnittet kan också fungera, men stöds ännu inte officiellt.

Power BI
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja ​ Databas ​.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Power BI.

  2. I Power BI:

    1. I huvudfönstret väljer du ​ Hämta data ​ i det övre verktygsfältet.

    2. Välj More… i den vänstra listen.

    3. På skärmen Hämta data söker du efter PostgresSQL och väljer ​ PostgresSQL-databasen ​ i listan.

    4. I dialogrutan ​ PostProgressSQL-databas ​:

      1. Klistra in parametern **** Host **** från Experience Platform Queries Credentials i textfältet ​ Server ​.

      2. Klistra in parametern **** Database **** från Experience Platform Queries Credentials i textfältet ​ Database ​ .

        Lägg till ?FLATTEN i parametern ​ Database ​, så den blir som prod:cja?FLATTEN till exempel. Mer information finns i Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part.

      3. Välj DirectQuery när du uppmanas till Data Connectivity-läge.

      4. Du uppmanas att ange Username och Password. Använd motsvarande parametrar från Experience Platform Queries Credentials.

    5. När inloggningen är klar visas datavytabellerna i Customer Journey Analytics i Power BI:er ​ Navigator ​.

    6. Markera de datavytabeller som du vill använda och välj ​ Läs in ​.

    Alla dimensioner och mätvärden som är kopplade till en eller flera markerade tabeller visas i den högra rutan, redo att användas i dina visualiseringar.

    Mer information finns i Ansluta Power BI till frågetjänsten.

Tableau
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja ​ Databas ​.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Tablet.

  2. I tabell:

    1. Välj **** Mer **** från ​ Till en server ​ i den vänstra listen.

    2. Välj ​ PostgresSQL ​ i listan.

    3. I dialogrutan PostgresSQL:

      1. Klistra in parametern **** Host **** från Experience Platform Queries Credentials i textfältet ​ Server ​.

      2. Klistra in parametern **** Port **** från Experience Platform Queries Credentials i textfältet ​ Port ​.

      3. Klistra in parametern **** Database **** från Experience Platform Queries Credentials i textfältet ​ Database ​ .

        Lägg till %3FFLATTEN i parametern ​ Database ​, så den blir som prod:cja%3FFLATTEN till exempel. Mer information finns i Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part.

      4. Välj **** Användarnamn och lösenord **** i listan ​ Autentisering ​.

      5. Klistra in parametern **** Användarnamn **** från Experience Platform Queries Credentials i textfältet ​ Användarnamn ​.

      6. Klistra in parametern **** Password **** från Experience Platform Queries Credentials i textfältet ​ Password ​ .

      7. Välj ​ Logga in ​.

    4. Datavyer i Customer Journey Analytics visas som tabeller i listan ​ Tabell ​.

    5. Dra de tabeller som du vill använda på arbetsytan.

    Nu kan du arbeta med data från datavytabellerna för att skapa rapporter och visualiseringar.

    Mer information finns i Ansluta tabell till frågetjänsten.

Se Ansluta klienter till frågetjänsten för en översikt och mer information om de olika verktygen som finns.

Funktionalitet

Som standard har datavyerna ett tabellsäkert namn som genereras utifrån det egna namnet. Datavyn My Web Data View har till exempel vynamnet my_web_data_view. Du kan definiera ett föredraget namn som ska användas i BI-verktyget för datavyn. Mer information finns i Datavy settings.

Om du vill använda ID:n för datavyn som tabellnamn kan du lägga till den valfria inställningen CJA_USE_IDS i databasnamnet när du ansluter. prod:cja?CJA_USE_IDS visar till exempel dina datavyer med namn som dv_ABC123.

Datastyrning

De datastyrningsrelaterade inställningarna i Customer Journey Analytics ärvs från Adobe Experience Platform. Integrationen mellan Customer Journey Analytics och Adobe Experience Platform datastyrning möjliggör märkning av känsliga uppgifter från Customer Journey Analytics och tillämpning av integritetspolicyer.

Sekretessetiketter och integritetspolicyer som har skapats för datauppsättningar som används av Experience Platform kan visas i arbetsflödet för datavyer i Customer Journey Analytics. Data som efterfrågas med Customer Journey Analytics BI extension visar därför lämpliga varningar eller fel när de inte följer definierade sekretessetiketter och principer.

Visa datavyer

I standard-PostgreSQL CLI kan du visa dina vyer med \dv

prod:all=> \dv
                       List of relations
 Schema |                    Name                    | Type |  Owner
--------+--------------------------------------------+------+----------
 public | my_web_data_view                           | view | postgres
 public | my_mobile_data_view                        | view | postgres

Kapslade kontra separerade

Som standard använder schemat för datavyer kapslade strukturer, precis som de ursprungliga XDM-schemana. Integrationen stöder även alternativet FLATTEN. Du kan använda det här alternativet för att tvinga schemat för datavyer (och andra tabeller i sessionen) att förenklas. Förenkling gör det enklare att använda i BI-verktyg som inte stöder strukturerade scheman. Mer information finns i Arbeta med kapslade datastrukturer i frågetjänsten.

SQL som stöds

Mer information om vilken typ av SQL som stöds finns i SQL-referens för frågetjänst.

Se tabellen nedan för exempel på den SQL du kan använda.

Exempel
table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 layout-auto
Mönster Exempel
Schemaidentifiering
VÄLJ * FRÅN DV1 DÄR 1=0
Rankad eller uppdelad
VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1
VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND
 filterId = '12345'
GROUP BY dim1
VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` MELLAN '2022-01-01' OCH '2022-01-02' AND
 AND (dim2 = 'A' ELLER dim3 IN ('X', 'Y'', 'Z')
GRUPP BY dim1
HAVING-sats
VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '202-01-02'
GROUP BY dim1
HAVING m1 > 100
Distinkta, övre
dimensionsvärden
VÄLJ DISTINCT dim1 FROM dv1
VÄLJ dim1 SOM dv1
FRÅN dv1
WHERE `timestamp` MELLAN '2022-01-01' OCH '2022-01-02'
GROUP BY dim1
VÄLJ dim1 SOM dv1
FROM dv1
WHERE `timestamp` >= '2022-01-01' AND `timestamp` < '2022-01-02'
GROUP BY dim1
ORDER BY SUM(metric1)
LIMLIMIN IT 15
Måttsummor
VÄLJ SUM(metric1) SOM m1
FRÅN dv1
WHERE `timestamp&quot; MELLAN '2022-01-01' OCH '2022-01-02'
Flerdimensions
uppdelningar
och toppdistinktioner
VÄLJ dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1, dim2
VÄLJ dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY 1, 2
ORDER BY 1, 2
VÄLJ DISTINCT dim1, dim2
FROM dv1
Delmarkera:
Filtrera ytterligare
resultat
VÄLJ dim1, m1
FROM (
 SELECT dim1, SUM(metric1) AS m1
 FROM dv1
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
 GROUP BY dim1
)
WHERE dim1 in ('A', 'B')
Delmarkera:
Frågar över
datavyer
SELECT key, SUM(m1) AS total
FROM (
 SELECT dim1 AS key, SUM(metric1) AS m1
 FROM dv1
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'{3
 GROUP BY dim1

 UNION

 SELECT dim2 AS key, SUM(m1) AS m1
 FROM dv2
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
 GROUP BY dim2
GRUPPERA EFTER nyckel
BESTÄLL EFTER summa
Delmarkera:
Källa i lager,
filtrering,
och aggregering

Lager med delmarkeringar:

MARKERA rows.dim1, SUM(rows.m1) SOM total
FROM (
 SELECT _.dim1,_.m1
 FROM (
) VÄLJ * FRÅN DV1
 DÄR `tidsstämpel&quot; MELLAN '2022-01-01' OCH '2022-01-02'
 ) _
 DÄR _.dim1 i ('A', 'B', 'C')
) rader
GRUPP BY 1
BESTÄLL EFTER

Lager med CTE WITH:

MED rader SOM (
) MED _ AS (
) SELECT * FROM data_ares
 DÄR `tidsstämpel` MELLAN '2021-01-01' OCH '2021-02-01'
 )
 MARKERA _.item, _.units FROM _
 DÄR _.item INTE ÄR NULL
)
MARKERA rader.item, SUTENT M(rows.units) AS units
FROM rows WHERE rows.item in ('A', 'B', 'C')
GROUP BY rows.item
Väljer var
måtten kommer före
eller blandas med
måtten
VÄLJ SUM(metric1) AS m1, dim1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '202-01-02'
GROUP BY 2

Mått

Du kan välja någon av de tillgängliga dimensionerna som standard eller definierad i datavyn. Du väljer en dimension med dess ID.

Mätvärden

De mätvärden som är tillgängliga är:

  • någon av de mätvärden som är tillgängliga som standard,
  • Definieras i datavyn.
  • Beräknade mått som är kompatibla med datavyn som användaren har åtkomst till.

Du väljer ett mått med dess ID som omsluts av ett SUM(metric)-uttryck på samma sätt som du gör med andra SQL-källor.

Du kan använda

  • SELECT COUNT(*) eller COUNT(1) om du vill hämta förekomstmått.
  • SELECT COUNT(DISTINCT dimension) eller SELECT APPROX_COUNT_DISTINCT(dimension) om du vill räkna de ungefärliga distinkta värdena för en dimension. Se information i Räkna distinkta värden.
  • Infogade beräkningar om du vill kombinera mätvärden i farten och/eller göra matematik på dem.

Räkna distinkta värden

På grund av den underliggande karaktären hos hur Customer Journey Analytics fungerar är den enda dimensionen du kan få ett exakt distinkt antal för dimensionen adobe_personid. Följande SQL-satser SELECT COUNT(DISTINCT adobe_personid) eller SELECT APPROX_COUNT_DISTINCT(adobe_personid) returnerar värdet för standardpersonmåttet, vilket är antalet distinkta personer. För andra dimensioner returneras ett ungefärligt distinkt antal.

Villkorliga mått

Du kan bädda in en IF- eller CASE-sats i funktionerna SUM eller COUNT för att lägga till ytterligare filtrering som är specifik för ett markerat mätresultat. Att lägga till dessa satser liknar att tillämpa ett filter på en måttkolumn i en Workspace-rapporttabell.

Exempel:

SUM(IF(dim1 = 'X' AND dim2 = 'A', metric1, 0)) AS m1
SUM(CASE WHEN dim1 = 'X' AND dim2 = 'A' THEN metric1 END) AS m1

Infogade beräkningar

Du kan använda ytterligare matematik för måttuttryck i SELECT. Denna matematik kan användas i stället för att definiera matematiken i ett beräknat mått. I följande tabell visas vilka typer av uttryck som stöds.

Operatör eller funktion
Information
+, -, *, / och %
Lägg till, subtrahera, multiplicera, dela och modulera/rest
-X eller +X
Ändra tecknet eller ett mått där X är måttuttrycket
PI()
π konstant
POSITIVE, NEGATIVE, ABS, FLOOR, CEIL, CEILING, EXP, LN, LOG10, LOG1P, SQRT, CBRT, DEGREES, RADIANS, SIN, COS, TAN, ACOS, ASIN, ATAN, COSH, SINH och TANH
Unära matematiska funktioner
MOD, POW, POWER, ROUND, LOG
Binära matematiska funktioner

Specialkolumner

Tidsstämpel

Specialkolumnen timestamp används för att ange datumintervall för frågan. Ett datumintervall kan definieras med ett BETWEEN-uttryck eller ett par av timestamp >, >=, <, <= kontroller AND tillsammans.
timestamp är valfritt och om inget fullständigt intervall anges används standardvärden:

  • Om bara ett minimum anges (timestamp > X eller timestamp >= X) är intervallet från X till nu.
  • Om bara ett max anges (timestamp < X eller timestamp <= X) är intervallet från X minus 30 dagar till X.
  • Om inget anges är intervallet från och med nu minus 30 dagar.

Tidsstämpelintervallet konverteras till ett globalt datumintervallfilter i RankedRequest.
Tidsstämpelfältet kan också användas i datum/tid-funktioner för att analysera eller korta av händelsens tidsstämpel.

Datumintervall

Specialkolumnen daterange fungerar på ungefär samma sätt som timestamp, men filtreringen är begränsad till fullständiga dagar. daterange är också valfritt och har samma standardvärden som timestamp.
Fältet daterange kan också användas i datum/tid-funktioner för att analysera eller korta av händelsedatumet.

Specialkolumnen daterangeName kan användas för att filtrera frågan med ett namngivet datumintervall som Last Quarter.

NOTE
Power BI stöder inte daterange-mått som är mindre än en dag (timme, 30 minuter, 5 minuter osv.).

Filter-ID

Specialkolumnen filterId är valfri och används för att tillämpa ett externt definierat filter på frågan. Att använda ett externt definierat filter på en fråga liknar att dra ett filter på en panel i Workspace. Flera filter-ID:n kan användas av AND.

Tillsammans med filterId kan du använda filterName för att använda ett filternamn i stället för ID.

Where-sats

Satsen WHERE hanteras i tre steg:

  1. Hitta datumintervallet från specialfälten timestamp, daterange eller daterangeName.

  2. Sök efter externt definierade filterId eller filterName som ska inkluderas i filtreringen.

  3. Omvandla de återstående uttrycken till ad hoc-filter.

Hanteringen görs genom att tolka den första nivån på AND i WHERE -satsen. Varje AND-ed-uttryck på den översta nivån måste matcha något av ovanstående. Allt som är större än den första nivån i AND eller, om WHERE-satsen använder OR på den översta nivån, hanteras som ett ad hoc-filter.

Sorteringsordning

Som standard sorteras resultatet i frågan efter det första valda måttet i fallande ordning. Du kan skriva över standardsorteringsordningen genom att ange ORDER BY ... ASC eller ORDER BY ... DESC. Om du använder ORDER BY måste du ange ORDER BY för det första valda måttet.

Du kan också vända ordningen genom att använda - (minus) framför måttet. Båda programsatserna nedan resulterar i samma ordning:

ORDER BY metric1 ASC
ORDER BY -metric1 DESC

Allmänt funktionsstöd

Funktion
Exempel
Information
Avgjutning
CAST(`timestamp` AS STRING) eller
`timestamp`::string
Typdatatypsbyte stöds inte för närvarande, men inget fel genereras. Funktionen CAST ignoreras.
Tidsstämpel
WHERE `timestamp` >= TIMESTAMP('2022-01-01 00:00:00') AND `timestamp` < TIMESTAMP('2022-01-02 00:00:00')
Tolka en tidssträng som en tidsstämpel som ska användas i en WHERE-sats.
Till tidsstämpel
WHERE `timestamp` >= TO_TIMESTAMP('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_TIMESTAMP('01/02/2022', 'MM/dd/yyyy')
Tolka en tidssträng som en tidsstämpel som ska användas i en WHERE-sats och ange eventuellt ett format för den tidssträngen.
Datum
WHERE `timestamp` >= DATE('2022-01-01') AND `timestamp` < DATE('2022-01-02')
Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE-sats.
Till datum
WHERE `timestamp` >= TO_DATE('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_DATE('01/02/2022', 'MM/dd/yyyy')
Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE-sats och ange eventuellt ett format för den datumsträngen.

Funktionsstöd för Dimension

Dessa funktioner kan användas för dimensioner i SELECT, WHERE eller i villkorsstyrda mått.

Strängfunktioner

Funktion
Exempel
Information
Nedre
SELECT LOWER(name) AS lower_name
Generera en dynamisk dimensionsidentitet för det skickade fältet.

Funktioner för datum och tid

Funktion
Exempel
Information
År
SELECT YEAR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Månad
SELECT MONTH(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Dag
SELECT DAY(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Veckodag
SELECT DAYOFWEEK(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.
Dag på året
SELECT DAYOFYEAR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Vecka
SELECT WEEK(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Kvartal
SELECT QUARTER(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Timme
SELECT HOUR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.
Minut
SELECT MINUTE(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Extrahera
SELECT EXTRACT(MONTH FROM `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Delar som stöds är:
- Nyckelord: YEAR, MONTH, DAYOFMONTH, DAYOFWEEK, DAYOFYEAR, WEEK, QUARTER, HOUR, MINUTE.
- Strängar: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' eller 'MINUTE'.
Datum (del)
SELECT DATE_PART('month', `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Följande strängdelar stöds: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR', eller 'MINUTE'.
Datum (trunkerat)
SELECT DATE_TRUNC('quarter', `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Stränggranulariteter som stöds är: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' eller 'MINUTE'.
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79